NumPy zeros()函数使用小结

NumPy 的 zeros() 函数用于创建指定形状和数据类型、元素全为 0 的数组。以下是详细的使用总结：

1. 基本语法

numpy.zeros(shape, dtype=float, order='C', *, like=None)

2. 主要参数

shape

• 数组的形状，可以是整数或整数元组
• 示例：

  np.zeros(5)            # 一维数组，5个元素
  np.zeros((2, 3))       # 2行3列的二维数组
  np.zeros((2, 3, 4))    # 三维数组

dtype

• 数据类型，默认为 float64
• 常用类型：

  np.zeros(5, dtype=int)      # 整型数组
  np.zeros(3, dtype=complex)  # 复数数组
  np.zeros(2, dtype=bool)     # 布尔数组（全为False）

order

• 内存存储顺序：
  • 'C'：C风格，行优先（默认）
  • 'F'：Fortran风格，列优先

    np.zeros((2,3), order='C')  # 行优先存储
    np.zeros((2,3), order='F')  # 列优先存储

like

• 参考另一个数组对象创建具有相同属性的数组（NumPy 1.20+）

  template = np.array([[1, 2], [3, 4]])
  arr = np.zeros((2,2), like=template)  # 继承template的dtype和order

3. 实用示例

创建不同形状的零数组

import numpy as np

# 一维
arr1 = np.zeros(5)  # [0., 0., 0., 0., 0.]

# 二维（矩阵）
arr2 = np.zeros((3, 4))
# [[0., 0., 0., 0.],
#  [0., 0., 0., 0.],
#  [0., 0., 0., 0.]]

# 三维
arr3 = np.zeros((2, 2, 3))

指定数据类型

# 整数零数组
int_zeros = np.zeros(3, dtype=np.int32)  # [0, 0, 0]

# 复数零数组
complex_zeros = np.zeros(2, dtype=complex)  # [0.+0.j, 0.+0.j]

# 布尔零数组（全False）
bool_zeros = np.zeros(3, dtype=bool)  # [False, False, False]

创建结构化数组

# 创建带有字段名的结构化零数组
dt = np.dtype([('x', 'f4'), ('y', 'f4'), ('z', 'f4')])
struct_zeros = np.zeros(3, dtype=dt)
# [(0., 0., 0.), (0., 0., 0.), (0., 0., 0.)]

4. 实际应用场景

初始化权重矩阵

weights = np.zeros((10, 5))  # 神经网络权重初始化

创建掩码/模板

mask = np.zeros((100, 100), dtype=bool)  # 全False的掩码
mask[10:20, 30:40] = True               # 设置特定区域为True

占位数组

# 预先分配内存空间，稍后填充数据
result = np.zeros((1000, 1000))
# ... 后续计算填充数据

基准测试

# 测试数组操作性能
arr = np.zeros((1000, 1000))
%timeit arr + 1  # 测试加法运算时间

5. 与其他创建函数对比

6. 注意事项

arr = np.array([[1, 2], [3, 4]])
# zeros 需要指定形状
z1 = np.zeros(arr.shape, dtype=arr.dtype)
# zeros_like 自动复制形状和类型
z2 = np.zeros_like(arr)

7. 性能提示

• 对于大型数组，考虑使用 dtype=np.float32 减少内存占用
• 如果不需要立即使用0值，np.empty() 可能更快
• 使用 order='F' 可能在某些运算中提高性能（尤其是Fortran风格的算法）

这个函数在机器学习和科学计算中非常常用，特别是在需要初始化参数或创建基准数组时。